文章总结： 本文作为AIAgent系列教程的预告，阐述了Agent区别于传统聊天AI的执行能力概念，并对比说明其自动化优势。文章明确了从零编写Agent的学习路径，涵盖经典范式、框架开发、记忆检索与上下文工程等核心技术，同时提供了基于Python与GLM的环境配置指南及DatawhaleHello-Agents等参考资源，旨在引导读者深入理解并动手构建智能体应用。 综合评分： 65 文章分类： AI安全,安全培训,实战经验

从零玩转 AI Agent—0：系列预告&环境配置

原创

Claude Code Claude Code

Crush Sec

2026年3月17日 00:41 江苏

本文完全由 AI 生成

写在前面

2024 年是”百模大战”的元年，2025 年无疑是”Agent 元年”。技术的焦点正从训练更大的基础模型，转向构建更聪明的智能体应用。

AI爆火以来，越来越多的人，在越来越多的方面开始接触AI，使用AI，mcp，skill，dify，coze，strands，langfuse等等，新概念和新技术层出不穷，AI Agent也是其中之一。

区别于传统意义上只能聊天的AI，Agent更像是AI大脑加上手和脚。

比如你跟AI聊天：

—“帮我订票去南京”

—“抱歉，我无法完成这个操作”。

而如果是面对Agent，他会询问你出发的日期，时间，自动调用api，从而完成整套动作。

相比于一味使用AI，我觉得理解AI更为重要。因此，该系列会基于Hello-Agents项目，从Agent的概念开始，到AI思考范式，上下文，记忆等等，最终实现一个多agent应用。

这个系列讲什么

如何从零开始编写AI Agent

后期会考虑通过Claude Code + Skill的方式实现同样的功能。

环境配置

• 编辑器：VS Code
• Python：3.11
• LLM：GLM Coding-Plan

学习路径

主要包括：

• 智能体经典范式构建
• 基于低代码平台的智能体搭建
• agent框架开发
• 记忆与检索
• 上下文工程
• 智能体通信协议

参考资源

• 教程项目：Datawhale – Hello-Agents
• GitHub：https://github.com/datawhalechina/hello-agents
• 在线阅读：https://datawhalechina.github.io/hello-agents/
• 框架文档：
• LangChain：https://python.langchain.com/
• LangGraph：https://langchain-ai.github.io/langgraph/
• AutoGen：https://microsoft.github.io/autogen/

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：Crush Sec Claude Code Claude Code《从零玩转 AI Agent—0：系列预告&环境配置》